基于自监督学习与深度学习融合的细小裂缝分类方法

本发明涉及计算机视觉与深度学习技术领域，公开了一种基于自监督学习与深度学习融合的细小裂缝分类方法，包括如下步骤：S1、采用自监督学习得到特征表示，根据特征表示得到初步的伪标签数据，对初步的伪标签数据进行动态筛选和优化，得到伪标签数据，从而构建训练数据集；S2、通过通道注意力机制，融合ResNet50和ViT模型，构建ResViT‑Fusion模型，对步骤S1得到的训练数据集进行训练，并对裂缝进行分类，得到分类结果并评估。本发明融合了ResNet50深度学习网络和ViT模型的深度学习模型，能够同时捕捉局部和全局特征，处理细小裂缝时表现出更强的特征提取能力；尤其在裂缝边界模糊、宽度极小的情况下，本发明能够准确识别细小裂缝，大大减少了漏检现象。